一种基于特征相似性的GIS局部放电故障判别方法与流程

一种基于特征相似性的gis局部放电故障判别方法
技术领域
1.本发明涉及电气设备在线监测故障识别技术领域，具体涉及一种基于特征相似性的gis局部放电故障判别方法。


背景技术：

2.gis以其结构紧凑、性能优越、抗干扰强等优点，已被广泛地应用于国内外电力系统。尽管gis稳定性非常高，故障率远低于传统的电气设备，但随应用数量及运行时间的增加，同样面临各种故障风险，而影响gis正常运行的主要因素为绝缘缺陷。当gis内部存在绝缘缺陷时，可能会引起局部放电，持续的局部放电会进一步降低gis绝缘性能，最终将导致绝缘击穿，严重的将引发安全事故，因此对gis局部放电的监测可保障其安全稳定运行。
3.传统gis局部放电故障识别首先需要对原始信号进行降噪处理，然后根据特征量通过深度学习算法对传感器采集的原始信号进行故障识别。但由于局部放电信号为非平稳信号，通常需要加窗进行短时傅里叶变换在频域进行去噪，如小波去噪等方法，但由于放电频次、放电量的未知性，异常信号与噪声信号频率特征存在重叠，无法确保有效信号特征完全保留。同时采用针对原始信号实时运行故障识别算法必然导致大量计算，对系统要求高，无法做到嵌入式集成，因此对原始信号进行预处理简化计算的同时，确保故障诊断识别的准确度具有重要意义。


技术实现要素：

4.本发明为了克服以上技术的不足，提供了一种确保故障诊断识别的准确性的gis局部放电故障判别方法。
5.本发明克服其技术问题所采用的技术方案是：
6.一种基于特征相似性的gis局部放电故障判别方法，包括如下步骤：
7.a)在gis局部放电在线监测系统中布置n个局部放电特高频传感器；
8.b)gis局部放电在线监测系统第一次运行时，获取第i个局部放电特高频传感器的初始数据i∈{1,2,...,n}，对初始数据进行预处理，得到分解后的若干具备本征模态函数
9.c)获取第i个局部放电特高频传感器的实时采集的原始数据ai(t)，对原始数据ai(t)进行预处理，得到分解后的若干具备本征模态函数imfa
i,n
(t)；
10.d)计算具备本征模态函数的能量计算具备本征模态函数imf a
i,n
(t)的能量e
i,n
；
11.e)计算初始数据的功率谱密度计算原始数据ai(t)的功率谱密度p
i,f
；
12.f)计算能量特征相似度ρ
i,e
及功率谱密度相似度ρ
i,p
；
13.g)当ρ
i,e
≥o且ρ
i,p
≥o时，则第i个局部放电特高频传感器当前采集的数据为正常数据，当ρ
i,e
＜o或ρ
i,p
＜o时，则第i个局部放电特高频传感器当前采集的数据为异常数据；
14.h)计算异常数据对应的局部放电特高频传感器的局部放电信号脉冲强度均值将各个局部放电特高频传感器的局部放电信号脉冲强度均值从大到小进行排列，局部放电特高频传感器所在间隔为局部放电发生位置。
15.进一步的，步骤a)中各个局部放电特高频传感器通过同轴电缆与gis局部放电在线监测系统中的信号处理单元相连。
16.进一步的，步骤b)中对原始数据进行预处理的方法为：采用变分模态分解算法vmd将第i个局部放电特高频传感器的原始数据进行分解，其中，为变分模态分解算法vmd分解层数。
17.进一步的，步骤c)中对原始数据ai(t)进行预处理的方法为：采用变分模态分解算法vmd将第i个局部放电特高频传感器的原始数据ai(t)进行分解，其中，ne为变分模态分解算法vmd分解层数。
18.进一步的，步骤d)包括如下步骤：
19.d-1)通过公式计算得到能量式中t
*
为获取的初始数据的数据长度，得到各层能量信息d-2)通过公式计算得到能量e
i,n
，式中t为获取的原始数据ai(t)的数据长度，得到各层能量信息进一步的，步骤e)包括如下步骤：
20.e-1)将初始数据进行傅里叶变换得到频域信息通过公式计算得到功率谱密度的单位为rad2/hz；
21.e-2)将原始数据ai(t)进行傅里叶变换得到频域信息fi(ω)，通过公式计算得到功率谱密度p
i,f
，p
i,f
的单位为rad2/hz。进一步的，步骤f)
包括如下步骤：
22.f-1)通过公式
[0023][0024]
计算得到能量特征相似度ρ
i,e
；
[0025]
f-2)通过公式
[0026][0027]
计算得到功率谱密度相似度ρ
i,p
。
[0028]
优选的，步骤g)中o取值为0.7。
[0029]
进一步的，步骤h)中通过公式计算得到第i个局部放电特高频传感器的局部放电信号脉冲强度均值，n
ai
为第i个局部放电特高频传感器采集的数据中脉冲个数，a
i,k
为第k个脉冲的幅值。
[0030]
本发明的有益效果是：无需人为确定小波基函数，减少对信号特征的影响，同时vmd算法作为改进的emd算法，其抗混叠能力更强，充分考虑窄带性质，分解得到的分量信噪比更高，确定故障后再进行诊断，相对于直接进行故障识别可简化计算，提高系统效率。将传统放电频次、均值、幅值、相位等信号特征与功率谱密度、解析信号能量结合构建特征量，可更准确的识别放电故障类型，同时根据本系统识别流程可初步估计局部放电发生位置信息。
附图说明
[0031]
图1为本发明的故障诊断识别方法流程图；
[0032]
图2为本发明的信号预处理过程流程图；
[0033]
图3为本发明的异常信息判别及故障诊断识别过程流程图。
具体实施方式
[0034]
下面结合附图1至附图3对本发明做进一步说明。
[0035]
一种基于特征相似性的gis局部放电故障判别方法，包括如下步骤：
[0036]
a)在gis局部放电在线监测系统中布置n个局部放电特高频传感器。
[0037]
b)gis局部放电在线监测系统第一次运行时，获取第i个局部放电特高频传感器的初始数据i∈{1,2,...,n}，对初始数据进行预处理，得到分解后的若干具备
本征模态函数
[0038]
c)获取第i个局部放电特高频传感器的实时采集的原始数据ai(t)，对原始数据ai(t)进行预处理，得到分解后的若干具备本征模态函数imfa
i,n
(t)。
[0039]
d)计算具备本征模态函数的能量计算具备本征模态函数imf a
i,n
(t)的能量e
i,n
。
[0040]
e)计算初始数据的功率谱密度计算原始数据ai(t)的功率谱密度p
i,f
。
[0041]
f)计算能量特征相似度ρ
i,e
及功率谱密度相似度ρ
i,p
。
[0042]
g)当ρ
i,e
≥o且ρ
i,p
≥o时，则第i个局部放电特高频传感器当前采集的数据为正常数据，当ρ
i,e
＜o或ρ
i,p
＜o时，则第i个局部放电特高频传感器当前采集的数据为异常数据。
[0043]
h)计算异常数据对应的局部放电特高频传感器的局部放电信号脉冲强度均值将各个局部放电特高频传感器的局部放电信号脉冲强度均值从大到小进行排列，局部放电特高频传感器所在间隔为局部放电发生位置。
[0044]
在本发明的一个实施例中，步骤a)中各个局部放电特高频传感器通过同轴电缆与gis局部放电在线监测系统中的信号处理单元相连。
[0045]
采用vmd算法对信号预处理，相对于小波分析具有更强的自适应能能力，无需人为确定小波基函数，减少对信号特征的影响，同时vmd算法作为改进的emd算法，其抗混叠能力更强，充分考虑窄带性质，分解得到的分量信噪比更高，同时各解析信号更具备物理意义。同时采用vmd分解后的能量信息及原始信号功率谱密度信息判断是否存在故障，确定故障后再进行诊断，相对于直接进行故障识别可简化计算，提高系统效率。将传统放电频次、均值、幅值、相位等信号特征与功率谱密度、解析信号能量结合构建特征量，可更准确的识别放电故障类型，同时根据本系统识别流程可初步估计局部放电发生位置信息。
[0046]
在本发明的一个实施例中，步骤b)中对原始数据进行预处理的方法为：采用变分模态分解算法vmd将第i个局部放电特高频传感器的原始数据进行分解，其中，为变分模态分解算法vmd分解层数。
[0047]
在本发明的一个实施例中，步骤c)中对原始数据ai(t)进行预处理的方法为：采用变分模态分解算法vmd将第i个局部放电特高频传感器的原始数据ai(t)进行分解，其中，ne为变分模态分解算法vmd分解层数。
[0048]
在本发明的一个实施例中，步骤d)包括如下步骤：
[0049]
d-1)通过公式计算得到能量式中t
*
为获取的初始数据的数据长度，得到各层能量信息
[0050]
d-2)通过公式计算得到能量e
i,n
，式中t为获取的原始数据ai(t)的数据长度，得到各层能量信息在本发明的一个实施例中，步骤e)包括如下步骤：
[0051]
e-1)将初始数据进行傅里叶变换得到频域信息通过公式计算得到功率谱密度的单位为rad2/hz。
[0052]
e-2)将原始数据ai(t)进行傅里叶变换得到频域信息fi(ω)，通过公式计算得到功率谱密度p
i,f
，p
i,f
的单位为rad2/hz。在本发明的一个实施例中，采用pearson算法计算第i个传感器采集信号与无局部放电正常信号数据特征相似度，正常无局部放电信号以gis启用初始传感器所采集信号为准，具体的步骤f)包括如下步骤：
[0053]
f-1)通过公式
[0054][0055]
计算得到能量特征相似度ρ
i,e
。
[0056]
f-2)通过公式
[0057][0058]
计算得到功率谱密度相似度ρ
i,p
。
[0059]
在本发明的一个实施例中，优选的，步骤g)中o取值为0.7。
[0060]
在本发明的一个实施例中，步骤h)中通过公式计算得到第i个局部放电特高频传感器的局部放电信号脉冲强度均值，n
ai
为第i个局部放电特高频传感器采集的数据中脉冲个数，a
i,k
为第k个脉冲的幅值。
[0061]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于特征相似性的gis局部放电故障判别方法，其特征在于，包括如下步骤：a)在gis局部放电在线监测系统中布置n个局部放电特高频传感器；b)gis局部放电在线监测系统第一次运行时，获取第i个局部放电特高频传感器的初始数据对初始数据进行预处理，得到分解后的若干具备本征模态函数c)获取第i个局部放电特高频传感器的实时采集的原始数据a
i
(t)，对原始数据a
i
(t)进行预处理，得到分解后的若干具备本征模态函数imfa
i,n
(t)；d)计算具备本征模态函数的能量计算具备本征模态函数imf a
i,n
(t)的能量e
i,n
；e)计算初始数据的功率谱密度计算原始数据a
i
(t)的功率谱密度p
i,f
；f)计算能量特征相似度ρ
i,e
及功率谱密度相似度ρ
i,p
；g)当ρ
i,e
≥o且ρ
i,p
≥o时，则第i个局部放电特高频传感器当前采集的数据为正常数据，当ρ
i,e
＜o或ρ
i,p
＜o时，则第i个局部放电特高频传感器当前采集的数据为异常数据；h)计算异常数据对应的局部放电特高频传感器的局部放电信号脉冲强度均值将各个局部放电特高频传感器的局部放电信号脉冲强度均值从大到小进行排列，局部放电特高频传感器所在间隔为局部放电发生位置。2.根据权利要求1所述的基于特征相似性的gis局部放电故障判别方法，其特征在于：步骤a)中各个局部放电特高频传感器通过同轴电缆与gis局部放电在线监测系统中的信号处理单元相连。3.根据权利要求1所述的基于特征相似性的gis局部放电故障判别方法，其特征在于，步骤b)中对原始数据进行预处理的方法为：采用变分模态分解算法vmd将第i个局部放电特高频传感器的原始数据进行分解，其中，为变分模态分解算法vmd分解层数。4.根据权利要求3所述的基于特征相似性的gis局部放电故障判别方法，其特征在于，步骤c)中对原始数据a
i
(t)进行预处理的方法为：采用变分模态分解算法vmd将第i个局部放电特高频传感器的原始数据a
i
(t)进行分解，其中，n
e
为变分模态分解算法vmd分解层数。5.根据权利要求4所述的基于特征相似性的gis局部放电故障判别方法，其特征在于，步骤d)包括如下步骤：
d-1)通过公式计算得到能量式中t
*
为获取的初始数据的数据长度，得到各层能量信息d-2)通过公式计算得到能量e
i,n
，式中t为获取的原始数据a
i
(t)的数据长度，得到各层能量信息6.根据权利要求5所述的基于特征相似性的gis局部放电故障判别方法，其特征在于，步骤e)包括如下步骤：e-1)将初始数据进行傅里叶变换得到频域信息f
i*
(ω)，通过公式计算得到功率谱密度计算得到功率谱密度的单位为rad2/hz；e-2)将原始数据a
i
(t)进行傅里叶变换得到频域信息f
i
(ω)，通过公式计算得到功率谱密度p
i,f
，p
i,f
的单位为rad2/hz。7.根据权利要求6所述的基于特征相似性的gis局部放电故障判别方法，其特征在于，步骤f)包括如下步骤：f-1)通过公式计算得到能量特征相似度ρ
i,e
；f-2)通过公式计算得到功率谱密度相似度ρ
i,p
。8.根据权利要求1所述的基于特征相似性的gis局部放电故障判别方法，其特征在于：步骤g)中o取值为0.7。9.根据权利要求1所述的基于特征相似性的gis局部放电故障判别方法，其特征在于：
步骤h)中通过公式计算得到第i个局部放电特高频传感器的局部放电信号脉冲强度均值，n
ai
为第i个局部放电特高频传感器采集的数据中脉冲个数，a
i,k
为第k个脉冲的幅值。

技术总结
一种基于特征相似性的GIS局部放电故障判别方法，采用VMD算法对信号预处理，相对于小波分析具有更强的自适应能能力，无需人为确定小波基函数，减少对信号特征的影响，同时VMD算法作为改进的EMD算法，其抗混叠能力更强，充分考虑窄带性质，分解得到的分量信噪比更高，同时各解析信号更具备物理意义。同时采用VMD分解后的能量信息及原始信号功率谱密度信息判断是否存在故障，确定故障后再进行诊断，相对于直接进行故障识别可简化计算，提高系统效率。将传统放电频次、均值、幅值、相位等信号特征与功率谱密度、解析信号能量结合构建特征量，可更准确的识别放电故障类型，同时根据本系统识别流程可初步估计局部放电发生位置信息。别流程可初步估计局部放电发生位置信息。别流程可初步估计局部放电发生位置信息。


技术研发人员：金吉振 张文赋 刘喻明 王培仑 王怡爽 李雪玲 刘子婷 平阳乐 栾兰 姜良刚 吕腾飞 王新刚 李清泉 任富强
受保护的技术使用者：山东电工电气集团有限公司
技术研发日：2023.04.27
技术公布日：2023/8/9